在零售和金融证券等数据分析复杂度较高的行业中，统计指标和维度的数量有限（通常在几十个，最多一百多个），但这些维度与指标的组合形式却非常多， 难以穷举。传统的 BI 系统通常采用大量预计算表的方法解决，一方面为了提高了计算效率，另一方面为了解决复杂 SQL，但当维度或指标发生变化时， （例如：新增指标或维度，增加新的过滤字段），不得不重新开发或重新写 SQL。

为了解决维度和统计指标自由组合，并能自动生成 SQL，Agile Query 会依据用户提供的维度和统计指标的组合，以图搜索算法动态计算查询所涉及的表， 根据关系型数据库的计算规则，自构建多个子查询，最终合并所有子查询生成完整的 SQL，并执行 SQL 返回数据，具体结构如下图所示：

• 意图识别：负责判断用户提供的关键词是属于维度还是统计指标，明确查询意图。
• 搜索表：解析用户表达的所有查询表达式，识别并定位涉及的目标数据表。

基础聚合示例

分别统计每个品类（商品、客户）的销售额、订单数量和客户数量

每品类

每商品

每客户

关联关系

复杂指标示例

分别统计每个品类（商品、客户）的复购率和客单价

每品类

每商品

每客户

复购率公式

客单价公式

总结

在实际的数据分析过程中，大都数指标的定义都会涉及多张表，数据库表之间的关系不同，计算对应指标的 SQL 的结构差异很大，如果预先为每一个指标或每一种组合关系构建预计算表， 系统中将会存在大量预计算表，随着时间的推移、人员的变动，那些预计算表的维护变得极为困难。Agile Query 根据基础配置动态生成 SQL 的方式能够提升开发效率， 也能有效的降低维护成本。